“数据增强”学习记录

一、作用：

数据增强可以扩充样本、防止过拟合、提高模型鲁棒性，数据增强可以作为图像预处理，与其他数据增强算法结合使用，能够进一步提高算法性能。

二、常用方法：

• Resize：根据研究工作要求对图像大小尺寸进行裁剪
• Flipping：翻转的意思，也被称为镜像变换。又可以分为水平镜像和垂直镜像，水平镜像即将图像左半部分和右半部分以图像竖直中轴线为中心轴进行兑换，而竖直镜像则是将图像上半部分和下半部分以图像水平中轴线为中心轴进行兑换。和“旋转”不同！！！
• scaling：缩放，即对对图像大小尺寸进行缩放；
• Rotate：图像旋转是指图像以某一点为中心旋转一定的角度，形成一幅新的图像的过程。当然这个点通常就是图像的中心。既然是按照中心旋转，自然会有这样一个属性：旋转前和旋转后的点离中心的位置不变。
• Random erasing：经过随机擦除，原图部分区域被一个布满随机值的矩形框给覆盖了，可以用此表示图片被遮挡，并以此进行样本数据的增强；
• Auto-augment：（automl 中的技巧，使用该技巧去实现有效的数据增强，提高特征的鲁棒性）,Random patch,Cutout等

三、总结：